Procura Informada. Capítulo 4
|
|
- Daniela Caminha Ventura
- 6 Há anos
- Visualizações:
Transcrição
1 Procura Informada Capítulo 4
2 Material Capítulo 4 Secções 1-3
3 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing Simulated annealing Local beam Genetic algorithms
4 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing Simulated annealing Local beam Genetic algorithms
5 Árvore de Procura Uma estratégia de procura determina a ordem de expansão dos nós As procuras informadas usam conhecimento específico do problema para determinar a ordem de expansão dos nós Tipicamente este conhecimento é incorporado sob a forma de heurísticas (estimativas)
6 Procura Melhor Primeiro Ideia: usar uma função de avaliação f(n) para cada nó f(n) usa conhecimento específico do problema O melhor nó é o que tem o menor valor de f(n) Expandir primeiro o nó folha que tem o menor valor de f(n) Implementação: Nós na fila de folhas ordenados por ordem crescente da função de avaliação Nós folha = {n 1, n 2, n 3, } f (n 1 ) f (n 2 ) f (n 3 ) Casos especiais: Procura Gananciosa Procura A * Procura IDA *
7 Roménia exemplo de heurística = distância linha recta (km)
8 Procura gananciosa Função de avaliação f(n) = h(n) (heurística) = estimativa do custo do caminho desde n até ao objectivo e.g., h dlr (n) = distância em linha recta desde n até Bucareste Procura gananciosa expande o nó que parece estar mais próximo do objectivo
9 Procura Gananciosa: exemplo Nós folha = {Arad(366)}
10 Procura Gananciosa: exemplo Nós folha = {Sibiu(253),Timisoara(329), Zerind(374)}
11 Procura Gananciosa: exemplo Nós folha = {Fagaras(176), Rimnicu Vilcea(193), Timisoara(329), Zerind(374), Oradea(380), Arad(366)}
12 Procura Gananciosa: exemplo Nós folha = {Bucharest(0), Rimnicu Vilcea(193), Sibiu(253), Timisoara(329), Zerind(374), Oradea(380), Arad(366)}
13 Procura gananciosa: propriedades Completa? Não pode entrar em ciclo exº, Iasi Fagaras = Iasi, Neamt, Iasi, (lembrar que estamos a assumir a distância em linha recta) Tempo? O(r m ) mas uma boa heurística pode reduzi-lo dramaticamente Espaço? O(r m ) no pior caso mantém todos os nós em memória Óptima? Não Semelhante à procura em profundidade, mas mais exigente em memória
14 Procura A * Ideia: evitar expandir caminhos que já têm um custo muito elevado Função de avaliação f(n) = g(n) + h(n) g(n) = custo desde o nó inicial até n h(n) = estimativa do custo deste n até um estado objectivo f(n) = estimativa do custo total da solução = caminho desde estado inicial até estado objectivo (passando por n)
15 Procura A*: exemplo Nós folha = {Arad(366)}
16 Procura A*: exemplo Nós folha = {Sibiu(393), Timisoara(447), Zerind(449)}
17 Procura A*: exemplo Nós folha = {Rimnicu Vilcea(413), Fagaras(415), Timisoara(447), Zerind(449), Arad(646),Oradea(671)}
18 Procura A*: exemplo Nós folha = {Fagaras(415), Pitesti(417), Timisoara(447), Zerind(449), Craiova(526), Sibiu(553), Arad(646), Oradea(671)}
19 Procura A*: exemplo Nós folha = {Pitesti(417), Bucharest(450), Timisoara(447), Zerind(449), Craiova(526), Sibiu(553), Sibiu(591), Arad(646), Oradea(671)}
20 Procura A*: exemplo Nós folha = {Bucharest(418), Bucharest(450), Timisoara(447), Zerind(449), Craiova(526), Sibiu(553), Sibiu(591), Rimnicu Vilcea(607), Craiova(615), Arad(646), Oradea(671)}
21 Propriedades de A* Completa? Sim (excepto se o número de nós com f f(g) for infinito) Tempo? Exponencial Espaço? Exponencial: mantém todos os nós em memória (no pior caso) Óptima? Sim em certas condições
22 A* é óptima? Não! Aqui fica um contra exemplo... A 8=0+8 B C 8=4+4 9=4+5 D E F G G é objectivo 8=8+0 óptimo 9=6+3 mas D 9=5+4 é o objectivo 7=7+0 encontrado...
23 Mas... Não tarda nada, vamos ver a importância das heurísticas no desempenho do A*
24 A* Iterativa (IDA*) Versão iterativa da procura A* (mas atenção que é uma pesquisa em profundidade) Em cada iteração é incrementado o valor limite para f(n); valor de f(n) superior ao limite n não é explorado Em cada nova iteração o valor limite é actualizado com o menor valor de f(n) para os nós não explorados na iteração anterior
25 Implementação (I) Função IDA* (problema) devolve solução estático: f-limite, limite actual para f raiz, um nó raiz CriaNó(EstadoInicial[problema]) f-limite f(raiz) loop solução, f-limite ProcProfContorno(raiz,f-limite) se solução não é nil então devolve solução se f-limite = então devolve falha
26 Implementação (II) Função ProcProfContorno (nó,f-limite) devolve solução,prox-f estático: prox-f, próximo limite inicialmente se f(nó) > f-limite então devolve soluçãovazia, f(nó) se TesteObjectivo[problema](nó) então devolve solução,f-limite paracada nó s em sucessores(nó) solução,novo-f ProcProfContorno (s,f-limite) se solução não é nil então devolve solução,f-limite prox-f MIN(prox-f,novo-f) devolve nil,prox-f
27 Melhor Primeiro Recursiva (RBFS) Melhor primeiro (A*) com espaço linear (em p) Semelhante à procura em profundidade (implementação recursiva) Para cada nó explorado, mantém registo do caminho alternativo com menor valor de f Se o valor de f para o nó actual excede o valor em memória, a recursão permite recuperar o melhor caminho alternativo Uma alteração corresponde a uma iteração IDA* Óptima se h(n) é admissível
28 Melhor Primeiro Recursiva: exemplo
29 Melhor Primeiro Recursiva: exemplo
30 Melhor Primeiro Recursiva: exemplo
31 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing Simulated annealing Local beam Genetic algorithms
32 Heurísticas admissíveis Uma heurística h(n) é admissível se para cada nó n se verifica h(n) h * (n), onde h * (n) é o custo real do caminho desde n até ao objectivo. Uma heurística admissível nunca sobrestima o custo de atingir o objectivo, i.e. é optimista Exemplo: h dlr (n) (a distância em linha recta nunca sobrestima a distância real em estrada)
33 Heurísticas admissíveis Teorema: se h(n) é admissível, então a procura em árvore A * é óptima
34 Prova que a procura em árvore A * é Óptima se a heurística for admissível Consideremos um nó objectivo não óptimo G 2 que já foi gerado mas não expandido (nó folha). Seja n um nó folha tal que n está no menor caminho para um nó objectivo óptimo G. O que é que queremos provar? Que f(g2) > f(n), ou seja, que G2 nunca vai ser expandido antes de n (o que nos garante que A* é óptima, isto é, que encontra a solução de melhor custo). Vamos ver que isto acontece se h for uma heurística admissível.
35 Prova que a procura em árvore A * é Óptima se a heurística for admissível Portanto: G 2 objectivo não óptimo, gerado mas não expandido. n está no menor caminho para um nó objectivo óptimo G. Prova: (1) Como G 2 e G são objectivos e como para todos os objectivos O h(o) = 0 f(g 2 ) = g(g 2 ) f(g) = g(g) (2) Como G2 não é óptimo e G é óptimo: g(g 2 ) > g(g) (3) Então, por (1) e (2) f(g 2 ) > f(g) (4) Como h é admissível h(n) h*(n) (5) Então, por (4) e por definição de f(n) g(n) + h(n) g(n) + h * (n) f(n) f(g) (6) Então, por (3) e (5) f(g 2 ) > f(n) e A * nunca seleccionará G 2 para expansão
36 Heurísticas Admissíveis E.g., para o 8-puzzle: h 1 (n) = número de peças mal colocadas h 2 (n) = soma da distância de Manhattan (i.e., nº de quadrados até à localização desejada para cada peça) h 1 (S) =? h 2 (S) =?
37 Heurísticas Admissíveis E.g., para o 8-puzzle: h 1 (n) = número de peças mal colocadas h 2 (n) = soma da distância de Manhattan (i.e., nº de quadrados até à localização desejada para cada peça) h 1 (S) =? 8 h 2 (S) =? = 18
38 Dominância Se h 2 (n) h 1 (n) para todos nós n (ambas admissíveis) então h 2 domina h 1 h 2 é melhor para a procura Expande menos nós porque não é tão optimista / está mais próxima da realidade Custo da procura (média do nº de nós expandidos n em 100 instâncias do 8-puzzle): prof=12 Profundidade Iterativa = 3,644,035 nós A * (h 1 ) = 227 nós A * (h 2 ) = 73 nós prof=24 Profundidade Iterativa = muitos nós A * (h 1 ) = 39,135 nós A * (h 2 ) = 1,641 nós
39 Heurísticas Admissíveis: como inventá-las? Um problema com menos restrições é chamado problema relaxado O custo de uma solução óptima para um problema relaxado pode ser usado como uma heurística admissível para o problema original Exemplo do 8-puzzle: Se as regras do 8-puzzle são relaxadas tal que uma peça se pode mover para qualquer posição, então h 1 (n) devolve a solução com o menor número de jogadas Se as regras são relaxadas tal que cada peça se pode mover para qualquer posição adjacente, então h 2 (n) devolve a solução com o menor número de jogadas
40 Heurísticas Consistentes Uma heurística é consistente se para cada nó n, para cada sucessor n' de n gerado por uma acção a temos, h(n) c(n,a,n') + h(n') desigualdade triangular em que: c(n,a,n') é o custo associado ao caminho de n a n através de a Se h é consistente, então temos f(n') = g(n') + h(n') = g(n) + c(n,a,n') + h(n') g(n) + h(n) f(n) Logo, o valor de f(n) nunca decresce ao longo de um caminho Nota: toda a heurística consistente é admissível
41 A* e Procura em Grafo A* com procura em grafo não é necessariamente óptima com heurísticas admissíveis Como pode ser descartado um nó que esteja no caminho que leva à solução óptima pelo facto de o mesmo nó já ter sido explorado no passado, então A* com procura em grafo pode passar a ser óptima se for mantido o registo dos caminhos e do valor de f(n) associados a todos os nós já explorados Assim, um nó/caminho só é descartado se o valor de f(n) for maior do que o valor registado (assim só vinga a melhor maneira de chegar a um nó) Alternativamente, garante-se que A* é consistente e Teorema: se h(n) é consistente, então A* usando procura em grafo é óptima
42 A* em grafo é óptima? Não, mesmo que a heurística seja admissível! Aqui fica um contra exemplo... A 7=0+7 5=4+1 B C 7=6+1 descartado! 8=5+3 objectivo óptimo C D 8=8+0 D 9=9+0 objectivo encontrado C(8) é descartado por causa de C(7) e o objectivo encontrado (D(9)) não é óptimo...
43 Exercício B 1 A 3 2 E 7 C D 1 F Estado inicial: A Estado objectivo: F Heurísticas: h(a)=5, h(b)=3, h(c)=1, h(d)=1, h(e)=1, h(f)=0 Fazer: Gananciosa A* IDA* RBFS Responder: h é admissível? (optimista) h é consistente? (f nunca diminui ao longo de um caminho)
44 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing Simulated annealing Local beam Genetic algorithms
45 Procura Local Em muitos problemas de optimização, o caminho que leva ao objectivo é irrelevante; o próprio estado objectivo é a solução (e.g., n-rainhas) Nestes casos, podemos usar procura local Mantém um único estado actual ; caminhos não são memorizados Em cada iteração procura melhorar o estado actual; útil em optimização Tipicamente, um estado transita para estados vizinhos PROBLEMA: tipicamente não é completa!
46 Examplo: N-rainhas Problema: Colocar as N rainhas numa matriz n n de modo que nenhuma esteja em posição de atacar as outras Estado inicial gerado aleatoriamente Novos estados gerados a partir de movimentos para estados vizinhos
47 Hill-climbing (trepa colinas) ou greedy local search É um simples ciclo que se move continuamente na direcção de um valor melhor. Termina quando nenhum sucessor tem valores melhores.
48 Hill-climbing É como subir o Evereste com nevoeiro cerrado e amnésia (AIMA)
49 Hill-climbing Problema: dependendo do estado inicial, pode ficar preso a um máximo local
50 Procura com o Hill-climbing no problema das 8 rainhas h = nº de pares de rainhas que se estão a atacar ( 28) No tabuleiro apresentado: h = 17 Num tabuleiro objectivo: h = 0 Inteiros correspondem ao valor de h para sucessores resultantes de mover rainha na respectiva coluna ( 12)
51 Procura com o Hill-climbing no problema das 8 rainhas Função sucessor: mexer uma rainha para outra posição na mesma coluna. Tipicamente, o Hill-clibing escolhe aleatoriamente entre os melhores sucessores, se houver mais do que um.
52 Procura com o Hill-climbing no problema das 8 rainhas Mínimo local com h = 1 Qualquer sucessor tem valor de h superior Não encontrou solução e não evoluiu para outro estado
53 Hill Climbing No caso das 8-rainhas Começando num estado aleatório Só resolve 14% dos casos (necessita em média de 4 iterações) Nos restantes casos fica parado ao fim de 3 iterações (em média)
54 Variantes do Hill Climbing Stochastic Hill climbing: escolhe aleatoriamente de entre os melhores sucessores First-choice Hill Climbing: gera os sucessores aleatoriamente até encontrar o primeiro com valores melhores que o estado actual e é esse que é escolhido (dá jeito se um estado tiver milhares de possíveis sucessores) Random-restart Hill Climbing: conduz uma séria de procuras a partir de diferentes estados iniciais, gerados aleatoriamente; pára quando se encontra o objectivo
55 Hill Climbing Apesar de tudo: Converge (ou não) rapidamente Por exemplo, o Random-restart Hill Climbing consegue encontrar uma solução para as n- rainhas, em menos de um minuto, mesmo para 3 milhões de rainhas.
56 Procura Simulated Annealing Ideia: escapar ao mínimos locais permitindo que se façam movimentos maus, mas vai gradualmente decrementando a sua frequência Em vez de escolher o melhor sucessor, escolhe um sucessor aleatoriamente que tipicamente é aceite se melhorar a situação Em Português: têmpera simulada Consegue-se provar que se temperatura T diminuir suficientemente devagar (em função do schedule), então a procura simulated annealing vai encontrar um máximo global com probabilidade próxima do 1
57 Simulated Annealing Metáfora: imaginar a tarefa de pôr uma bola de pingpong no buraco mais profundo de uma superfície cheia de buracos Uma solução é deixara bola ir parar a um mínimo local e depois abanar a superfície de modo a tirá-la do mínimo local Simulated annealing começa por abanar muito no início e depois vai abanando cada vez menos
58 Simulated Annealing
59 Local Beam (procura em banda) Guarda a referência a k estados, em vez de 1 Começa com k estados gerados aleatoriamente Em cada iteração, todos os sucessores dos k estados são gerados Se algum é um estado objectivo, pára; caso contrário escolhe os k melhores sucessores e repete
60 Procura Local Beam Atenção que este algoritmo é mais do que correr k Random-restart Hill Climbings em paralelo!! Não têm de ser escolhido sucessores de todos os estados Se um estado gera vários bons sucessores e os outros k-1 estados não, os estados menos promissores são abandonados No entanto, também pode ter problemas: pode haver pouca diversidade nos k estados Stochastic Beam Search: k sucessores são escolhidos aleatoriamente
61 Algoritmos Genéticos Variante da stochastic beam search Começa com k estados gerados aleatoriamente (população) tal como procura em banda Um estado é representados como uma string sobre um alfabeto finito (geralmente {0,1}) O estado sucessor é gerado através da combinação de dois estados (pais) Produz a próxima geração de estados por selecção, cruzamento e mutação A função de avaliação (fitness function) dá valores mais altos aos melhores estados
62 Algoritmos Genéticos Fitness function (b): nº de pares de rainhas não atacantes (min = 0, max = (8 7)/2 = 28) Probabilidade de selecção (c) em função da fitness function Exº 24/( ) = 31%
63 Genetic algorithms O ponto de cruzamento é escolhido aleatoriamente São criados os filhos (d) Cada estado sofre mutações aleatórias (e)
64 Algoritmos Genéticos: exº cruzamento e mutação
65 Algoritmos Genéticos Há ainda muito trabalho a fazer de modo a perceber em que condições e com que parâmetros é que os algoritmos genéticos se comportam bem
Exemplos. Jogo dos oito :-) Mundo dos blocos (ex: torre de Hanoi) Poblema das rainhas. Criptoaritmética. Missionários e Canibais.
istemas Inteligentes, 10-11 1 Exemplos Jogo dos oito :-) Mundo dos blocos (ex: torre de Hanoi) Poblema das rainhas Criptoaritmética Missionários e Canibais Resta-um e muitos outros... istemas Inteligentes,
Leia maisBest-first search. Pesquisa informada. Best-first search Pesquisa gananciosa (greedy) Best-first search
Pesquisa informada Dispomos de informação especifica sobre o problema. Esta informação pode ser disponibilizada por uma função de avaliação que indica o quão desejável é expandir um determinado nó. Best-first
Leia maisInteligência Artificial. Inteligência Artificial
Inteligência Artificial Procura Informada Agenda Parte 1 Introdução á Procura Informada ou Heurística Best-First Search Pesquisa Gulosa (Greedy( Greedy) Algoritmo A* Algoritmo IDA* (Iterative( Deepning
Leia maisResolução de Problemas Com Procura. Capítulo 3
Resolução de Problemas Com Procura Capítulo 3 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados
Leia maisCTC-17 Inteligência Artificial Problemas de Busca. Prof. Paulo André Castro pauloac@ita.br
CTC-17 Inteligência Artificial Problemas de Busca Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Agentes que buscam soluções para problemas: Exemplo Tipos de
Leia maisProjeto e Análise de Algoritmos
Projeto e Análise de Algoritmos Aula 10 Distâncias Mínimas Edirlei Soares de Lima Distâncias Mínimas Dado um grafo ponderado G = (V, E), um vértice s e um vértice g, obter o caminho
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisRecorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +
1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos
Leia maisTeoria de Jogos. Algoritmo Minimax e Alfa-Beta AED - 2002
Teoria de Jogos Algoritmo Minimax e Alfa-Beta AED - 2002 Conceptualização do Problema Jogar pode ser visto como uma generalização do problema de procura em espaço de estados, em que existem agentes hostis
Leia maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras
Leia maisÁrvores. ! utilizada em muitas aplicações. ! modela uma hierarquia entre elementos. ! O conceito de árvores está diretamente ligado à recursão
Árvores 1 Árvores! utilizada em muitas aplicações! modela uma hierarquia entre elementos! árvore genealógica! diagrama hierárquico de uma organização! modelagem de algoritmos! O conceito de árvores está
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisIntrodução à Inteligência Artificial 2007/08
Introdução à Inteligência rtificial 2007/08 Procura em contextos competitivos jogos Contexto Um agente vs multiagente mbiente cooperativo vs competitivo Teoria dos jogos (ramo da Economia) Sistema multiagente
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisRegistro de Retenções Tributárias e Pagamentos
SISTEMA DE GESTÃO DE PRESTAÇÃO DE CONTAS (SiGPC) CONTAS ONLINE Registro de Retenções Tributárias e Pagamentos Atualização: 20/12/2012 A necessidade de registrar despesas em que há retenção tributária é
Leia maisSistemas Distribuídos
Comunicação em Grupo Referência Sistemas operacionais modernos Andrew S. TANENBAUM Prentice-Hall, 1995 Seção 10.4 pág. 304-311 2 Comunicação em Grupo Suponha que se deseja um serviço de arquivos único
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisEleição de Líder. Alysson Neves Bessani Departamento de Informática Faculdade de Ciências da Universidade de Lisboa
Eleição de Líder Alysson Neves Bessani Departamento de Informática Faculdade de Ciências da Universidade de Lisboa Algoritmos de Eleição Muitos algoritmos distribuídos necessitam de seleccionar um processo
Leia maisTESTES SOCIOMÉTRICOS
TESTES SOCIOMÉTRICOS Docente: Mestre Mª João Marques da Silva Picão Oliveira TESTES SOCIOMÉTRICOS * O Teste Sociométrico ajuda-nos a avaliar o grau de integração duma criança/jovem no grupo; a descobrir
Leia maisProcessamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá los digitalmente, devemos: Converter
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisÁrvores Parte 1. Aleardo Manacero Jr. DCCE/UNESP Grupo de Sistemas Paralelos e Distribuídos
Árvores Parte 1 Aleardo Manacero Jr. DCCE/UNESP Grupo de Sistemas Paralelos e Distribuídos Árvores uma introdução As listas apresentadas na aula anterior formam um conjunto de TADs extremamente importante
Leia maisSoftware PHC com MapPoint 2007
Software PHC com MapPoint 2007 Descritivo completo A integração entre o Software PHC e o Microsoft MapPoint permite a análise de informação geográfica (mapas, rotas e análise de dispersão), baseada em
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia mais5.4 Evolução pós-sp: estrelas pequena massa
AST434: C5-31/68 5.4 Evolução pós-sp: estrelas pequena massa O termo estrelas de pequena massa refere-se às estrelas que ocupam a zona inferior direita da Sequência Principal. Devido ao valor da massa
Leia maisaplicação arquivo Condições Gerais de Utilização
aplicação arquivo Condições Gerais de Utilização Manual das condições gerais que regulam a utilização dos serviços disponibilizados pela aplicação Arquivo, plataforma de gestão de informação, do Municipio
Leia mais12 26, 62, 34, 43 21 37, 73 30 56, 65
1 Questão 1 Solução a) Primeiro multiplicamos os algarismos de 79, obtendo 7 9 = 63, e depois somamos os algarismos desse produto, obtendo 6 + 3 = 9. Logo o transformado de é 79 é 9. b) A brincadeira de
Leia maisAula de Exercícios - Teorema de Bayes
Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários
Leia maisEGEA ESAPL - IPVC. Resolução de Problemas de Programação Linear, com recurso ao Excel
EGEA ESAPL - IPVC Resolução de Problemas de Programação Linear, com recurso ao Excel Os Suplementos do Excel Em primeiro lugar deverá certificar-se que tem o Excel preparado para resolver problemas de
Leia maisBusca em Espaço de Estados
Busca em Espaço de Estados Jomi Fred Hübner jomi@inf.furb.br FURB / BCC Introdução 2 Agente orientado a meta O projetista não determina um mapeamento entre percepções e ações, mas determina que objetivo
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisUniversidade Estadual de Campinas
Universidade Estadual de Campinas Nathalia Cristina Ribeiro Ra: 105480 Universidade Estadual de Campinas Fernando Torres 2 Sumário. Introdução 4 Biografia de Leonardo Fibonacci 5 O que é uma seqüência?
Leia mais3 Determinantes. 2 Definição Número de trocas de ordem de um termo de uma matriz. 3 Definição Determinante de uma Matriz ( ( ))
Nova School of Business and Economics Prática Álgebra Linear 1 Definição Termo de uma matriz Produto de elementos de, um e um só por linha e por coluna. Ex.: 2 Definição Número de trocas de ordem de um
Leia maisOrganização e Arquitetura de Computadores. Ivan Saraiva Silva
Organização e Arquitetura de Computadores Hierarquia de Memória Ivan Saraiva Silva Hierarquia de Memória A Organização de Memória em um computador é feita de forma hierárquica Registradores, Cache Memória
Leia maisDefinição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.
Determinantes A cada matriz quadrada de números reais, pode associar-se um número real, que se designa por determinante da matriz Definição de determinantes de primeira e segunda ordens Seja A uma matriz
Leia mais2ª série LISTA: Ensino Médio. Aluno(a): Professor(a): Jean Jaspion DIA: MÊS: 02 RESISTORES 01. Segmento temático: Turma: A ( ) / B ( )
LISTA: 05 2ª série Ensino Médio Professor(a): Jean Jaspion Turma: A ( ) / B ( ) Aluno(a): Segmento temático: QUESTÃO 01 (FM Petrópolis RJ/2015) Três resistores estão associados em paralelo entre os terminais
Leia mais1. A figura 1 representa uma árvore genealógica abaixo que ilustra a transmissão genética do albinismo nesta família.
Actividade 4 Versão Professor Exercícios sobre monoibridismo árvore genealógica 1. A figura 1 representa uma árvore genealógica abaixo que ilustra a transmissão genética do albinismo nesta família. a.
Leia maisENG1000 Introdução à Engenharia
ENG1000 Introdução à Engenharia Aula 09 Vetores e Matrizes Edirlei Soares de Lima Introdução Até agora nós temos usado variáveis simples para armazenar valores usados por nossos
Leia maisOndas EM no Espaço Livre (Vácuo)
Secretaria de Educação Profissional e Tecnológica Instituto Federal de Santa Catarina Campus São José Área de Telecomunicações ELM20704 Eletromagnetismo Professor: Bruno Fontana da Silva 2014-1 Ondas EM
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia maisSistemas Operacionais. Sincronização: Semáforos Problema dos Leitores/Escritores
Sistemas Operacionais Sincronização: Semáforos Problema dos Leitores/Escritores Autoria Autores Eduardo André Mallmann 0905/96-9 João Paulo Reginatto 1530/96-0 Local Instituto de Informática UFRGS disciplina:
Leia maisCurso básico de Xadrez
Projeto LIPRA Livro Interativo Potencializado com Realidade Aumentada Curso básico de Xadrez Autor: Raryel Costa Souza Orientação: Claudio Kirner Xadrez 1 Introdução O xadrez é um jogo de tabuleiro para
Leia maisGestão Documental. Gestão Documental
Alcides Marques, 2007 Actualizado por Ricardo Matos em Junho de 2009 Neste capítulo pretende-se analisar a temática da, começando por apresentar um breve resumo dos conceitos subjacentes e apresentando
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia mais1 O gráfico no plano cartesiano expressa a alta dos preços médios de televisores de tela plana e alta definição, do modelo LCD, full HD, 32
1 O gráfico no plano cartesiano expressa a alta dos preços médios de televisores de tela plana e alta definição, do modelo LCD, full HD, 32 polegadas, antes da Copa do Mundo na África do Sul e sua queda
Leia maisMétodo de ordenação - objetivos:
Método de ordenação - objetivos: Corresponde ao processo de rearranjar um conjunto de objetos em uma ordem ascendente ou descendente. Facilitar a recuperação posterior de itens do conjunto ordenado. São
Leia mais01/09/2009. Entrevista do Presidente da República
Entrevista coletiva concedida pelo Presidente da República, Luiz Inácio Lula da Silva, após cerimônia de encerramento do 27º Encontro Econômico Brasil-Alemanha (EEBA) Vitória-ES, 1º de setembro de 2009
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maiswww.sysdevsolutions.com Driver Next Versão 1.0 de 07-03-2011 Português
Driver Next Versão 1.0 de 07-03-2011 Português Índice Configuração dos documentos no Backofficce... 3 O Driver ERP Next... 6 Configurações principais... 6 Configurações do vendedor... 7 Configurações do
Leia maisFunção. Adição e subtração de arcos Duplicação de arcos
Função Trigonométrica II Adição e subtração de arcos Duplicação de arcos Resumo das Principais Relações I sen cos II tg sen cos III cotg tg IV sec cos V csc sen VI sec tg VII csc cotg cos sen Arcos e subtração
Leia maisContratar um plano de saúde é uma decisão que vai além da pesquisa de preços. Antes de
Planos de saúde: Sete perguntas para fazer antes de contratar Antes de aderir a um plano de saúde, o consumidor precisa se informar sobre todas as condições do contrato, para não correr o risco de ser
Leia maisPrimeira Lista de Exercícios de Métodos Numéricos II Primeiro semestre de 2015
Primeira Lista de Exercícios de Métodos Numéricos II Primeiro semestre de 015 Introdução Antes de apresentar a lista, introduzirei alguns problemas já vistos em sala de aula para orientar e facilitar a
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Autovalores e Autovetores Definição e Exemplos 2 Polinômio Característico
Leia maisSubsequência comum mais longa Em inglês, Longest Common Subsequence (LCS)
Programação Dinâmica Subsequência comum mais longa Em inglês, Longest Common Subsequence (LCS) Fernando Lobo Algoritmos e Estrutura de Dados II 1 / 23 Longest Common Subsequence (LCS) Dadas duas sequências,
Leia maisCalculando seno(x)/x com o interpretador Hall.
Calculando seno(x)/x com o interpretador Hall. Problema Seja, por exemplo, calcular o valor do limite fundamental f(x)=sen(x)/x quando x tende a zero. Considerações Fazendo-se a substituição do valor 0
Leia maisANEXO III. Roteiro para Apresentação de Projetos do Tipo C R$ 50.001,00 a R$ 100.000,00
ANEXO III Roteiro para Apresentação de Projetos do Tipo C R$ 50.001,00 a R$ 100.000,00 1. Apresentação Geral: 1. Nome do projeto 2. Linha(s) Temática(s) 2. Localidade e município 3. Instituição Proponente
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss
Resolução de sistemas de equações lineares: Método de eliminação de Gauss Marina Andretta ICMC-USP 21 de março de 2012 Baseado no livro Análise Numérica, de R L Burden e J D Faires Marina Andretta (ICMC-USP)
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisAULA DO CPOG. Progressão Aritmética
AULA DO CPOG Progressão Aritmética Observe as seqüências numéricas: 2 4 6 8... 12 9 6 3... 5 5 5 5... Essas seqüências foram construídas de forma que cada termo (número), a partir do segundo, é a soma
Leia maisDeadlocks. Sistemas Operacionais - Professor Machado
Deadlocks Sistemas Operacionais - Professor Machado 1 Deadlock - Definição Um conjunto de processos está em situação de deadlock se todo processo pertencente ao conjunto estiver esperando por um evento
Leia maisObjetivo do jogo 40 pontos todos os quadrados de um templo todos os quadrados amarelos todos os quadrados verdes Material do jogo 72 cartas
Objetivo do jogo Cada jogador representa o papel de um sumo sacerdote na luta pelo poder em Tebas no antigo Egito. Ganha o jogador que primeiro: Conseguir 40 pontos, ou Ocupar todos os quadrados de um
Leia maisAlgoritmos de Busca Local. Prof. Sheila Cáceres.Material baseado no livro de Inteligência Artificial de Russel e Norvig, Capítulo 4, Seções 3 4.
Algoritmos de Busca Local Prof. Sheila Cáceres. Material baseado no livro de Inteligência Artificial de Russel e Norvig, Capítulo 4, Seções 3 4. Prof. Sheila Cáceres.Material baseado no livro de Inteligência
Leia mais1 Produto: Podcast Formato: Áudio Canal: Minicast Tema: Os Inovadores., o livro. ebookcast (este ebook)
1 Produto: Podcast Formato: Áudio Canal: Minicast Tema: Os Inovadores., o livro Nossos conteúdos nos três formatos Minicast (ouça) ebookcast (este ebook) WebPage (leia) 2 Pagar ligações telefônicas e navegação
Leia maisProLin V1.0. Programa de problemas de programação linear mista
ProLin V.0 Programa de problemas de programação linear mista Programação: Coordenador: Ricardo Matos João Matos Introdução O ProLin resolve problemas de Programação Linear Mista do tipo: max(min) Ζ = s.
Leia maisREGRAS - versão simples - 2 a 4 pessoas
1 REGRAS - versão simples - 2 a 4 pessoas Este jogo tem uma versão simples e outra normal. Esta regras que está a ler são da versão simples. Esta versão destina-se a jogadores que não estejam muito familiarizados
Leia maisAula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4
Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4 Efeito de modificações no preço: Caso ocorram modificações no preço de determinada mercadoria
Leia maisTipos de investigação educacional diferenciados por:
Bento Março 09 Tipos de investigação educacional diferenciados por: Praticalidade Básica Aplicada Método Qualitativo Quantitativo Experimental Não experimental Questões Etnográfica Histórica Descritiva
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia maisPRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO-
Matemática Discreta 2009.10 Exercícios CAP2 pg 1 PRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO- EXCLUSÃO 1. Quantas sequências com 5 letras podem ser escritas usando as letras A,B,C? 2. Quantos
Leia maisATuLCo. Manual de Instruções. Gestor de Agência de Viagens. ATuLCo Gestor de Agencia de Viagens. Horário Abreu Nr. 53792. António Felgueiras Nr.
Manual de Instruções ATuLCo Gestor de Agência de Viagens António Felgueiras Nr. 43481 Horário Abreu Nr. 53792 Ricardo Pinto Nr. 51835 1 Índice O que é o ATuLCo? ------------------------------------- 3
Leia maisAlgoritmos Genéticos (GA s)
Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de
Leia maisMatrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Leia maisSatisfação de Restrições. Capítulo 5 (disponível online)
Satisfação de Restrições Capítulo 5 (disponível online) Sumário Problemas de Satisfação de Restrições (CSPs) Procura com Retrocesso para CSPs Procura Local para CSPs Estrutura dos CSPs Problemas de Satisfação
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios
Leia maisAnálise e Resolução da prova de Agente de Polícia Federal Disciplina: Raciocínio Lógico Professor: Custódio Nascimento
Análise e Resolução da prova de Agente de Polícia Federal Disciplina: Professor: Custódio Nascimento 1- Análise da prova Análise e Resolução da prova de Agente / PF Neste artigo, farei a análise das questões
Leia maisEste Procedimento Operacional Padrão define as etapas necessárias para o processo de inventário em um estoque, filial ou loja no APLWeb.
PROCEDIMENTO OPERACIONAL PADRÃO - POP Nº 1511.0009 DIRECTA SISTEMAS INTELIGENTES SISTEMA APLWEB DEPARTAMENTO(S) ESTOQUE/EXPEDIÇÂO/ALMOXARIFADO/LOJAS MÓDULO/MENU PRODUTOS/SERVIÇOS Versão do Documento Nº
Leia maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Leia mais2 Segmentação de imagens e Componentes conexas
Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático
Leia maisTestes de Hipóteses Estatísticas
Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ
Leia maisIntrodução ao determinante
ao determinante O que é? Quais são suas propriedades? Como se calcula (Qual é a fórmula ou algoritmo para o cálculo)? Para que serve? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld
Leia maisCurrent Contents Connect
Current Contents Connect Current Contents Connect Cartão de referência rápida ISI Web of Knowledge SM Pesquise ou navegue em mais de 8.000 revistas abrangidas por sete edições multidisciplinares e duas
Leia maisAula 11: Desvios e Laços
Aula 11: Desvios e Laços Nesta aula explicaremos alguns comandos que podem alterar o fluxo dos seus programas em JavaScript. Você aprenderá a estrutura dos comandos de desvios e laços. Entenderá como funcionam
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia mais1 Visão Geral. 2 Instalação e Primeira Utilização. Manual de Instalação do Gold Pedido
Manual de Instalação do Gold Pedido 1 Visão Geral Programa completo para enviar pedidos e ficha cadastral de clientes pela internet sem usar fax e interurbano. Reduz a conta telefônica e tempo. Importa
Leia maisFicha Prática 5: Cap 3.Princípios Elementares de Contagem
Matemática Discreta - 2010/11 Cursos: Engenharia Informática, Informática de Gestão DEPARTAMENTO de MATEMÁTICA ESCOLA SUPERIOR de TECNOLOGIA e de GESTÃO - INSTITUTO POLITÉCNICO de BRAGANÇA Ficha Prática
Leia maisCriptografando os seus dados
Criptografando os seus dados Vou mostrar como criar um local em seu computador, uma pasta por exemplo para que você possa guardar coisas com o máximo de segurança, para isso, vamos primeiro fazer download
Leia maisOrçamento Participativo de Vila Nova de Cerveira
Orçamento Participativo de Vila Nova de Cerveira PREÂMBULO Os Orçamentos Participativos são símbolos de importância da participação dos cidadãos na sociedade democrática, neste sentido a Câmara Municipal
Leia maisGerenciamento dos Riscos do Projeto (PMBoK 5ª ed.)
Gerenciamento dos Riscos do Projeto (PMBoK 5ª ed.) Esta é uma área essencial para aumentar as taxas de sucesso dos projetos, pois todos eles possuem riscos e precisam ser gerenciados, ou seja, saber o
Leia maisGuia de Referência OPEN PROJECT Treinamento Essencial
Guia de Referência OPEN PROJECT Treinamento Essencial Eng. Paulo José De Fazzio Junior NOME As marcas citadas são de seus respectivos proprietários. Sumário Conceitos do OpenProj... 3 Iniciando um projeto...
Leia mais0. Objectivo. 1. Erros no remate. 1.1. Ângulo de erro
0. Objectivo Vamos ver como algumas situações nos jogos de futebol podem ser estudadas de um ponto de vista matemático. Para isso, vamos considerar um modelo muito simplificado do que acontece realmente
Leia maisCABELO ELÁSTICO TUDO O QUE VOCÊ PRECISA SABER
CABELO ELÁSTICO TUDO O QUE VOCÊ PRECISA SABER O QUE É UM CABELO EMBORRACHADO? O cabelo emborrachado, elástico ou chiclete é um cabelo em que a fibra perdeu a elasticidade natural, além da umidade, o que
Leia maisOlimpíada Brasileira de Raciocínio Lógico Nível III Fase II 2014
1 2 Questão 1 Um dado é feito com pontos colocados nas faces de um cubo, em correspondência com os números de 1 a 6, de tal maneira que somados os pontos que ficam em cada par de faces opostas é sempre
Leia maisModelo Lógico: Tabelas, Chaves Primárias e Estrangeiras
Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras Apresentar a próxima etapa da modelagem de dados: o modelo lógico e os conceitos de tabelas, chaves primárias e estrangeiras e como o banco de dados
Leia mais